Aprendizaje automático, una revolución para las inversiones

El aprendizaje automático o machine learning (ML) no es un tema reciente; uno de los precedentes más importantes fue durante la década de los 50, cuando Alan Turing planteó la pregunta sobre si era posible que las máquinas pudieran pensar. En aquella época esta tecnología no tuvo auge debido a la falta de información y potencia computacional comparada con la que al día de hoy se tiene.

El aprendizaje automático se puede definir como una rama de la inteligencia artificial donde la computadora es capaz de aprender por sí misma, analizar y reconocer patrones entre una gran cantidad de datos. En inversiones, esta tecnología es útil para entender los problemas económico-financieros y mejorar el análisis en este tipo de variables.

Para comprender cuál es el valor agregado de esta tecnología y por qué es revolucionaria, vale la comparación con la programación tradicional. En ambas se involucran datos, reglas de decisión y resultados (respuestas) aplicadas a la información. La diferencia es que en la programación clásica el humano define las reglas y analiza los resultados obtenidos, mientras que en el aprendizaje automático el humano ingresa la información junto a la respuesta deseada y es el algoritmo de ML el que deduce el patrón (reglas) para obtener ese resultado aprendiendo de los datos proporcionados. Un ejemplo aplicado a inversiones donde el objetivo es conseguir ganancias en un portafolio sería el siguiente:

• Programación Clásica: Un inversionista tiene la creencia de que las acciones muestran retornos positivos cuando variables económicas como consumo, inversión y empleo tienen un crecimiento favorable. El inversionista puede hacer un análisis retrospectivo para observar cuál hubiera sido su ganancia en el portafolio (resultado) si hubiera invertido en acciones cuando las variables económicas mostraran una tendencia positiva (regla de decisión). Es así como el humano está definiendo las reglas a los datos y analiza los resultados obtenidos.
• Aprendizaje automático: Mediante esta perspectiva, el inversionista le proporciona al algoritmo de ML las variables económicas (datos) y los días o meses donde las acciones obtuvieron rendimientos positivos (respuesta deseada). Posteriormente, el algoritmo aprende de esta información y le brinda al humano el patrón de decisión que tiene mayor probabilidad para adquirir ganancias en su portafolio. En este caso, un posible patrón identificado por el algoritmo es que las acciones tienen mayor sensibilidad a la inversión y al consumo a comparación del empleo, o que el mercado se adelanta al comportamiento de las variables económicas, entre otros posibles conjuntos de reglas. Resumiendo, el humano proporciona los datos y el resultado deseado para que el aprendizaje automático deduzca las reglas decisión que podrán variar dependiendo del tipo de algoritmo, entrenamiento y validación utilizado.

Uno de los mayores beneficios del aprendizaje automático es la flexibilidad y personalización que brinda. Así como la publicidad en redes sociales es acorde a las preferencias de cada individuo, en las inversiones también es posible obtener modelos y soluciones personalizadas para las diferentes variables económico-financieras y tipos de clientes.

El aprendizaje automático, si bien no es un pleno sustituto de la programación tradicional, es un hecho que está revolucionando la industria financiera por la diferenciación que ofrece para complementar un análisis y tesis de inversión. Esta es la razón por la cual más del 75% de las empresas de servicios financieros están invirtiendo recursos en el desarrollo de herramientas a través del aprendizaje automático. Invertir es una oportunidad para hacer crecer el patrimonio y se puede aprovechar el gran abanico de opciones de inversión que existen, como los fondos, ya que cada vez son más accesibles para cualquier tipo de inversionista.

Julio Sánchez, CFA, CQF, MBA
Executive Director Quantitative Models  – BBVA Asset Management
julioalberto.sanchez.trujillo@bbva.co<m